Axis Robotics, twórca „compounding data engine” przyspieszającego rozwój fizycznej sztucznej inteligencji (Physical AI), ogłosił pozyskanie 12 mln USD w rundzie seed prowadzonej przez Hack VC, z udziałem Nomad Capital, Pi Network Ventures, 10K Ventures oraz grupy inwestorów indywidualnych.
Środki mają przyspieszyć realizację misji Axis: zbudowania masowo równoległego, globalnego silnika danych typu human-in-the-loop, który rozwiązuje największy problem fizycznej AI – skalowalne tworzenie ustrukturyzowanych, silnie zróżnicowanych danych treningowych dla robotów.
Likwidowanie wąskiego gardła danych w fizycznej AI
Podczas gdy duże modele językowe (LLM) skalują się na bilionach tokenów istniejących danych z internetu, fizyczna AI napotyka trzy zasadnicze bariery: skrajną rzadkość danych, lukę w uogólnianiu (generalization gap) oraz fragmentację wynikającą z różnorodności platform sprzętowych robotów.
– „Fizyczna AI wymaga miliardów trajektorii ruchu opisujących realne interakcje człowieka z fizycznym światem” – mówi Chris, założyciel Axis Robotics. – „Przez lata branży brakowało wydajnego, nieskończenie skalowalnego, hybrydowego systemu produkcji danych, który pozwalałby modelom iterować bez tarcia. Właśnie to zbudowaliśmy w Axis: compounding data engine”.
Jak Axis napędza ogólną inteligencję robotyczną
Zastrzeżony Compounding Data Engine Axis zapewnia end-to-end workflow, który łączy generowanie zadań, pozyskiwanie danych, ciągłe trenowanie modeli oraz ich optymalizację:
Task Gen Engine: generuje wykładniczo zróżnicowane, elementarne zadania dla robotów poprzez losowe warianty obiektów, układów przestrzennych, warunków wizualnych, typów konstrukcji robotów i semantyki – tak aby różnorodność była wbudowana w każdą trajektorię danych;
Browser-Based Sim Teleoperation Platform: pierwsza na świecie w pełni webowa platforma, która pozwala każdemu zdalnie generować wysokiej jakości trajektorie ruchu robotów. Axis zapewnia około 10‑krotnie wyższą przepustowość niż tradycyjne zbiory danych prowadzone w laboratoriach i natywnie integruje pętle interwencji human-gated DAgger (Dataset Aggregation), które na bieżąco korygują i udoskonalają polityki sterowania robotów;
Ego Data Mobile Capture App: przenosi zbieranie danych ze świata rzeczywistego z kosztownych, złożonych zestawów sprzętowych do aplikacji mobilnej o zerowej barierze wejścia. Dzięki połączeniu najnowocześniejszego (SOTA) śledzenia pozycji dłoni w czasie rzeczywistym z globalną siecią wykonawców Axis przekłada ludzką percepcję i zręczność na ruchy robotów w skali globalnej;
Data Processing Pipeline: automatyzuje czyszczenie trajektorii, losową zmianę domeny (domain randomization) oraz gęste opisy językowe, dostarczając gotowe do trenowania, multimodalne zbiory danych z ponad 10‑krotnie wyższą jakością danych.
Zunifikowana architektura tworzy samonapędzającą się pętlę wzrostu: nieudane trajektorie robotów z wdrożeń w świecie rzeczywistym i w symulacji wyzwalają ludzkie interwencje korygujące, które wracają do procesu trenowania i poszerzają pokrycie przypadków brzegowych. Wraz ze wzrostem wolumenu danych rośnie skumulowana inteligencja systemu.
Strukturalne przewagi Axis: pionowo zintegrowany „engine” różnorodności i globalna sieć kontrybutorów
Kluczową przewagą Axis jest spójna platforma obejmująca pełen cykl życia fizycznej AI. W przeciwieństwie do tradycyjnych, silnie rozproszonych podejść firma zbudowała pionowo zintegrowany silnik łączący masową, rozproszoną akumulację danych do pre-treningu z utrzymywanym w czasie, sterowanym przez człowieka Dataset Aggregation po treningu.
Axis od podstaw projektował system pod kątem różnorodności danych. Zastrzeżony Task Generation Engine losowo modyfikuje układy obiektów, oświetlenie, pozycje kamer, właściwości fizyczne i morfologię robotów, tworząc nieskończoną liczbę unikalnych scen i zadań manipulacyjnych. Efektem są dane treningowe gotowe do generalizacji na nowe warunki.
Aby dostarczać dane na skalę modeli fundamentowych, Axis zbudował globalną infrastrukturę danych robotycznych z ponad 100 tys. aktywnych kontrybutorów, którzy przesyłają dane średnio 3–4 razy dziennie. Maksymalizuje to jednocześnie wydajność produkcji oraz pokrycie różnorodności. Obecnie Axis może miesięcznie generować ponad 1200 godzin danych symulacyjnych i ponad 20 tys. godzin rzeczywistych danych egocentrycznych w zróżnicowanych scenariuszach.
Axis niedawno wprowadził Sim Dataset V1. Wyniki benchmarków pokazują, że inżynieryjnie zaprojektowana różnorodność przekłada się na mierzalne zyski wydajności. Na zbiorze LIBERO-Plus pre-trening π0.5 na w pełni zdywersyfikowanym zbiorze Axis podniósł ogólny współczynnik sukcesu o 4,9 punktu, a w porównaniu z wolumenowo dopasowaną bazą RoboCasa365 przewaga sięgnęła 31,3 punktu. Zyski odnotowano w zakresie generalizacji do nowych układów, odporności na szum sensoryczny oraz robustności pozycji robota. Różnica ta pokazuje, że przewaga Axis wynika z własnej ścieżki różnorodności danych, a nie jedynie z samej skali zbioru.
Komercjalizacja i partnerstwa strategiczne
Axis Robotics szybko komercjalizuje swoje wysokiej jakości dane treningowe na potrzeby wdrożeń w świecie fizycznym. Spółka dostarcza klientom szyte na miarę „pakiety zadań” (Task Packages), dopasowane do specyfiki producentów sprzętu robotycznego, firm rozwijających modele Physical AI oraz liderów automatyki przemysłowej.
Pierwsze komercyjne partnerstwa zostały już zawarte m.in. z Booster Robotics, Manycore Tech, Feagine Robotics, Dexmal, Lotus Car, Geely Auto, SomaStacks i innymi. Współprace te podkreślają rosnący popyt rynkowy na skalowalne, wysokiej wierności dane treningowe dla robotów.
Redefinicja ogólnej inteligencji fizycznej
– „Przyszłość fizycznej AI opiera się na głębokiej symbiozie między modelami a danymi” – wskazuje Chris. – „Statyczne zbiory danych nie są w stanie zasilić ogólnej inteligencji robotycznej. Zwycięskim podejściem jest compounding data engine: pionowo zintegrowany system łączący globalną sieć kontrybutorów z nieustanną iteracją modeli. Każda nowa, zróżnicowana trajektoria i każda ludzka korekta przyspiesza doskonalenie modeli, tworząc samonapędzającą się pętlę inteligencji”.
Za spółką stoi zespół światowej klasy badaczy AI i robotyki z wiodących ośrodków – takich jak UC Berkeley, Carnegie Mellon University, Georgia Tech, NTU czy SJTU – oraz specjaliści od wzrostu, którzy wcześniej skalowali produkty konsumenckie do ponad 30 mln użytkowników na całym świecie.
Dzięki rundzie finansowania seed o wartości 12 mln USD, prowadzonej przez Hack VC, Axis Robotics zamierza dalej rozwijać swoje możliwości proceduralnego generowania zadań, skalować rozproszoną sieć kontrybutorów oraz umocnić pozycję kluczowego silnika danych zasilającego przyszłość fizycznej sztucznej inteligencji.
Linktree | Twitter/X | Dokumentacja | Produkt